Pecuária leiteira de precisao

Prévia do material em texto

9Pecuária leiteira de precisão: conceitos e tecnologias disponíveis
Luiz Gustavo Ribeiro Pereira1 - CRMV-MG5930, Cláudio Antônio Versiani Paiva1 - CRMV-MG 6203, Mar-
celo Neves Ribas2 - CRMV-MG 8208, Alexandre Lima Ferreira3
Pecuária leiteira de 
precisão: conceitos 
e tecnologias 
disponíveis
1. Introdução
A pecuária leiteira de precisão pode ser 
definida como uma postura gerencial ampa-
rada em tecnologias da informação e comuni-
cação que permite a melhoria do controle da 
fonte de variabilidade animal e espacial, oti-
mizando economica, social e ambientalmente 
o desempenho da fazenda leiteira.
Tecnologias de precisão têm sido desen-
volvidas com o objetivo de melhorar o geren-
ciamento dos rebanhos leiteiros e mensurar 
os indicadores produtivos, comportamentais 
e fisiológicos em benefício da saúde, produti-
vidade e bem-estar animal (Steeneveld et al., 
2015). As tecnologias de precisão utilizam 
sistemas de monitoramento por sensores. 
Esses sistemas podem ser descritos a partir 
de quatro níveis de desenvolvimento e utili-
zação (Fig. 1): (I) tecnologia (sensor), que 
mensura algum parâmetro individual da vaca 
(ex.: consumo de alimento), gerando um con-
junto de dados; (II) interpretação, que resu-
me as alterações observadas no conjunto de 
dados gerados pelo sensor (ex.: diminuição 
do consumo) para produção de uma infor-
mação sobre o status da vaca (ex.: vaca com 
torção de abomaso); (III) integração dessa 
informação gerada pelo sensor, acrescida a 
outra informação (ex.: informação de cunho 
econômico), para proposição de um aconse-
lhamento (ex.: operar ou não a vaca doente); 
(IV) tomada de decisão pelo gestor da fazen-
da ou autonomamente pelo sistema (ex.: o ve-
terinário é acionado). A maioria dos estudos 
sobre tecnologias de precisão para pecuária 
de leite realizada até o momento está relacio-
nada à detecção de mastite (25%), fertilidade 
(33%), problemas de locomoção (33%) e dis-
túrbios metabólicos (16%), e se concentram 
principalmente nos níveis de desenvolvimen-
to/utilização I e II (Rutten et al., 2013).
O uso de tecnologias de precisão está se 
tornando uma prática cada vez mais comum 
bigstockphoto.com
1 Embrapa Gado de Leite, Complexo Multiusuário de Bioeficiência e Sustentabilidade da Pecuária, Coronel Pacheco, Minas Gerais
2 Intergado Tecnologia, Contagem, Minas Gerais
3 Bolsista Pós-Doc – CAPES-PVE – Universidade Federal de São João del-Rei/Embrapa
10 Cadernos Técnicos de Veterinária e Zootecnia, nº 79 - dezembro de 2015
em fazendas leiteiras. Entre os 
principais parâmetros monito-
rados atualmente, estão a pro-
dução, composição, temperatu-
ra, condutividade, presença de 
sangue e contagem de células 
somáticas do leite, ruminação, 
consumo de alimentos e água, 
medidores de atividade para 
detecção de cio, problemas de 
casco e pesagem corporal das 
vacas (Firk et al., 2002; Pastell et 
al., 2009; Chapinal et al., 2010; 
O’Connell et al., 2010; Holman 
et al., 2011; Bar e Bewley, 2010; 
Solomon, 2010; van der Tol e 
van der Kamp, 2010; Miekley 
et al., 2012; Büchel e Sundrum, 
2014; Chizzotii, 2015). Além 
desses, vários outros parâme-
tros estão sendo propostos ou encontram-se 
em desenvolvimento.
2. Perfil de utilização das 
tecnologias de precisão e 
implicações sobre a mão 
de obra
Há várias décadas os 
sistemas de monitoramen-
to por sensores têm sido 
utilizados para mensurar 
indicadores de saúde de 
vacas individualmente 
(Hogeveen et al., 2010). As 
razões para se investir em 
sistemas de monitoramento 
por sensores apresentam va-
riação em função do perfil 
socioeconômico e geográ-
fico do produtor de leite. 
Entre as motivações que le-
vam produtores de leite a investir em tecno-
logias de precisão destacam-se a expectativa 
de redução do trabalho e maior facilidade 
no manejo diário do rebanho (Steeneveld e 
Hogeveen, 2015). Dessa forma, o uso de sis-
temas de monitoramento por sensores tende 
a apresentar um resultado econômico positi-
vo, especialmente devido à redução esperada 
sobre os custos da mão de obra (Steeneveld et 
al., 2015). Em pesquisa rea-
lizada na Holanda, fazendas 
que adotaram algum tipo de 
tecnologia de precisão obti-
veram uma redução de até 
23% das horas trabalhadas 
por vaca/semana (Fig. 2) 
em comparação com aque-
las que não faziam uso de 
sistemas de monitoramento 
por sensores (Steeneveld e 
Hogeveen, 2015).
Quanto ao perfil dos 
produtores que utilizam tec-
Entre os principais 
parâmetros monitorados 
atualmente estão a 
produção, composição, 
temperatura, 
condutividade, presença 
de sangue e contagem de 
células somáticas do leite, 
ruminação, consumo de 
alimentos e água, medidores 
de atividade para detecção 
de cio, problemas de casco e 
pesagem corporal das vacas.
Tecnologia
Informação
Integração de
informações
Dados
Interpretação
dos dados
Aconselhamento
Tomada de
decisão pelo
gestor ou
autonomamente
pelo sistema
Nível I
Nível II
Nível III
Nível IV
C
o
m
p
o
rta
m
e
n
to
 /
fi
sio
lo
g
ia
 d
a
 va
ca
G
e
stã
o
 d
a
sa
ú
d
e
 a
n
im
a
l
Figura 1. Níveis de desenvolvimento e utilização dos sistemas de 
monitoramento por sensores na gestão da fazenda leiteira.
11Pecuária leiteira de precisão: conceitos e tecnologias disponíveis
nologias de precisão, existem os que usam de-
terminados sistemas de monitoramento por 
sensores porque estão embarcados em algum 
equipamento adquirido, como, por exemplo, 
em sistemas de ordenha robotizados. Outros 
já o fazem de forma deliberada, investindo em 
sensores para melhorar a eficiência da gestão 
sobre a saúde do rebanho (Fig. 3) (Steeneveld 
e Hogeveen, 2015).
Além das ques-
tões relacionadas à 
mão de obra e facili-
dade de manejo, fa-
tores (Tab. 1) como 
relação custo benefí-
cio, custo do investi-
mento total e simpli-
cidade de uso estão 
entre os principais 
critérios analisados 
no momento da ado-
ção de tecnologias 
de precisão por pro-
dutores americanos 
(Borchers e Bewley, 
2015).
Bewley e Russell (2010) pesquisaram 
229 produtores de leite americanos e iden-
tificaram que as razões mais comuns para a 
não adoção de tecnologias de precisão eram: 
(I) não estarem familiarizados com as tecno-
logias disponíveis (55%); (II) baixa relação 
custo/benefício (42%); (III) não saberem o 
Figura 2. Comparação do número de vacas e do número de horas trabalhadas por vaca/semana entre 
fazendas que utilizam e outras que não utilizam algum tipo de sensor para vacas.
Figura 3. Perfil de utilização de sensores em fazendas holandesas com 
sistemas de ordenha convencional (adaptado de Steeneveld e Hogeveen, 
2015).
12 Cadernos Técnicos de Veterinária e Zootecnia, nº 79 - dezembro de 2015
que fazer com tantas informações fornecidas 
pelos sistemas (36%); (IV) tempo insuficien-
te para usufruir da tecnologia (31%); (V) fal-
ta de percepção do valor econômico (30%); 
(VI) tecnologias muito difíceis ou complexas 
para se usar (29%). Ademais, incertezas so-
bre as condições de mercado, do desempe-
nho e reais benefícios das novas tecnologias 
e, ainda, problemas relacionados à adaptação 
da gestão e fatores organizacionais têm sido 
apontados (Tab. 2) como decisivos para a não 
adoção das tecnologias de precisão por parte 
dos produtores de leite (Bewley et al., 2010).
Contudo, o uso de tecnologias de preci-
são tem se tornado cada vez mais importante 
e necessário para que os produtores de leite 
possam aperfeiçoar suas práticas de gestão e 
aumentar a eficiência dos sistemas de produ-
ção (El-Osta e Morehart, 2000).
3. Implicações sobre a 
produtividade, saúde e 
bem-estar animal
De forma geral, os sistemas de precisão 
disponíveis para a pecuária leiteira são com-
postos por equipamentos capazes de mensu-
rar individualmente parâmetros fisiológicos 
ou comportamentais e detectar alterações 
relativas às condições de saúde da vaca, re-
querendo uma intervenção por parte do ges-
Tabela 1. Pesquisa indicando a importância dos critérios de compra de 
tecnologias de precisão
Parâmetro
Intensidade da Importância(%)
Produtores
(n)Nenhuma Pequena Moderada Importante Muitoimportante
Relação custo/
benefício
0,9 0 3,7 31,5 63,9 108
Custo total do 
investimento 
0,9 1,8 12,8 36,7 47,7 109
Simplicidade de 
uso
0,9 0,9 10,1 47,7 40,4 109
Desempenho 
comprovado na 
prática
1,9 0 7,5 53,3 37,4 107
Assistência 
técnica
1,8 3,7 17,4 34,9 42,2 109
Compatibilidade 
com práticas 
e sistemas já 
existentes
0,9 4,6 11,9 46,8 35,8 109
Demanda de 
tempo para uso 
da tecnologia
1,9 2,8 15,7 45,4 34,3 108
Valores de cálculo considerados: nenhuma = 1; pequena = 2; moderada = 3; importante = 4; muito importante = 5. Fonte: 
Adaptado de Borchers e Bewley (2015).
13Pecuária leiteira de precisão: conceitos e tecnologias disponíveis
tor da fazenda (Steeneveld et al., 2015). Entre 
os sensores considerados de maior utilidade 
por produtores americanos, estão os de de-
tecção de mastite, de cio e produção de leite 
(Borchers e Bewley, 2015) (Tab. 3). 
No entanto, ainda não é sabido se o uso 
desses sensores também melhora os índices 
de saúde e produção, como, por exemplo, re-
dução da média de dias ao primeiro serviço 
ou diminuição da contagem de células so-
máticas do leite individual (Steeneveld et al., 
2015). Para um melhor aproveitamento das 
tecnologias de precisão, o produtor deve ter 
conhecimento e fazer a gestão diária das in-
formações geradas pelo sistema. 
Steeneveld et al. (2015) demonstraram 
que a contagem de células somáticas (CCS) 
do leite de tanques individuais diminuiu em 
fazendas com sistemas de ordenha convencio-
nal, ao passo que esse parâmetro aumentou 
em fazendas com ordenha robotizada (AMS). 
Normalmente, a aquisição de sensores para 
detecção de mastite ocorre de forma delibe-
rada em fazendas convencionais, ou seja, há 
um objetivo claro de utilização do sistema de 
monitoramento. Já em fazendas com AMS, 
em geral tais sistemas encontram-se embuti-
dos no equipamento como forma de torná-los 
mais acessíveis do ponto de vista econômico, 
e, muitas vezes, despertando baixo interesse 
do produtor em utilizá-los. Outro aspecto 
muito importante diz respeito à presença do 
ordenhador nos sistemas convencionais de 
ordenha. Nessas fazendas, o ordenhador pode 
checar imediatamente as vacas que apresen-
tam algum tipo de alerta sinalizado pelos sen-
sores. Além disso, vacas com mastite podem 
ser identificadas durante a ordenha mesmo 
sem a presença de alerta indicado pelos sen-
sores (Steeneveld e Hogeveen, 2015).
O desempenho da detecção do cio pode 
ser melhorado pela utilização de sistemas de 
monitoramento por sensores. Esses sistemas 
podem detectar cerca de 80 a 85% de vacas 
em cio, enquanto o método visual normal-
mente detecta apenas 55% das vacas nessa 
Tabela 2. Fatores que influenciam a adoção de tecnologias de precisão
Fatores Exemplos
Incertezas sobre a deci-
são de investimento
Condições de mercado (Bewley et al., 2010)
Promessas em excesso promovidas pelo vendedor
Incerteza sobre os atuais benefícios, conhecimento de oportunidades
Desafios da 
implementação
Existência de redes de aprendizagem (fragmentadas, subqualificadas, 
falta de conhecimento)
Desempenho das tecnologias versus expectativas
Adaptação da gestão (mudança de rotina, papel da tecnologia e das 
pessoas)
Entrada de dados, mudança de processos/estrutura para incorporação 
e entrada de dados, análise de dados, gerenciamento por exceção (De 
Koning, 2010)
Fatores organizacionais
Falta de foco em P&D pela indústria para integração das tecnologias com 
os sistemas de produção
Fonte: Eastwood (2011).
14 Cadernos Técnicos de Veterinária e Zootecnia, nº 79 - dezembro de 2015
Tabela 3. Pesquisa indicando a importância da utilidade das atuais e potenciais 
tecnologias de precisão 
Parâmetro
Intensidade da Importância (%)
Produtores
(n)Nenhuma Pequena Moderada Importante
Muito
impor-
tante
Mastite 0,0 0,0 1,9 19,4 78,7 108
Cio 0,0 0,9 2,8 16,5 79,8 109
Produção diária de 
leite
0,0 0,9 6,4 11,9 80,7 109
Atividade da vaca 1,8 1,8 5,5 16,5 74,3 109
Temperatura 3,8 2,8 11,3 22,6 59,4 106
Comportamento 
alimentar
0,9 0,0 15,7 35,2 48,1 108
Composição do leite 0,9 4,6 13,8 27,5 53,2 109
Laminite 0,0 4,6 17,4 26,6 51,4 109
Ruminação 3,8 3,8 18,9 28,3 45,3 106
Saúde de casco 0,9 3,7 19,4 39,8 36,1 108
Atividade ruminal 4,6 3,7 24,1 27,8 39,8 108
Comportamento 
deitada/de pé
2,8 8,3 25,7 33,9 29,4 109
pH do rúmen 5,5 11 26,6 29,4 27,5 109
Movimento de man-
díbula e mastigação
4,6 13 25,9 29,6 26,9 108
Frequência 
respiratória
7,5 13,2 29,2 32,1 17,9 106
Peso da vaca 8,3 18,5 30,6 24,1 18,5 108
Escore de condição 
corporal
9,2 12,8 36,7 25,7 15,6 109
Frequência cardíaca 11,2 16,8 38,3 21,5 12,1 107
Posição e localização 
animal
19,3 23,9 31,2 13,8 11,9 109
Emissão de metano 34,3 30,6 20,4 10,2 4,6 108
Valores de cálculo considerados: nenhuma = 1, pequena = 2, moderada = 3, importante = 4 e muito importante = 5. Fonte: 
Adaptado de Borchers e Bewley (2015).
15Pecuária leiteira de precisão: conceitos e tecnologias disponíveis
mesma condição (Firk et al., 2002; Hockey et 
al., 2010; Kamphuis et al., 2012). No entan-
to, nem sempre o aumento na detecção do 
cio pelos sistemas de monitoramento resulta 
em melhoria dos índices de idade ao primei-
ro parto e dias ao primeiro serviço. Em gran-
de parte das vezes, os produtores que fazem 
uso de sistemas de detecção de cio realmente 
apresentam melhores e maiores taxas de de-
tecção de cio, porém ainda utilizam as mes-
mas regras sobre o melhor momento para a 
inseminação, resultando em alterações pouco 
efetivas nos parâmetros reprodutivos. Outro 
problema no uso das tecnologias de preci-
são diz respeito à motivação do investimen-
to. Alguns produtores investem em sensores 
de detecção de cio apenas para melhorar a 
taxa de detecção de cio e reduzir o trabalho 
(Steeneveld e Hogeveen, 2015), com menos 
foco em melhorar os índices de saúde e zoo-
técnicos do rebanho (Steeneveld et al., 2015).
Em relação à produção de leite, 
Steeneveld et al. (2015) observaram que a 
utilização dos sensores embutidos no siste-
ma de ordenha automático (AMS) resultou 
em maior produção de leite do rebanho. No 
entanto, não puderam afirmar se o aumento 
da produção de leite ocorreu em função da 
maior taxa de frequência de ordenha, nor-
malmente observada nesse tipo de sistema de 
produção (Kruip et al., 2002; Wagner-Storch 
and Palmer, 2003; Speroni et al., 2006), ou se 
foi decorrente do uso do sistema de sensores.
4. Considerações finais
As oportunidades ligadas à pecuária de 
precisão podem surgir tanto dentro como 
fora da porteira da fazenda. Do lado de den-
tro, os produtores podem se beneficiar nas 
áreas de automação e tomadas de decisões 
mais eficientes, ao fazer melhor uso dos escas-
sos e cada vez mais onerosos recursos. 
Do lado de fora da porteira há também 
potenciais benefícios do uso das tecnologias 
de precisão entre os mais diversos stakehol-
ders. O uso dessas tecnologias pode contri-
buir para garantir a qualidade e a segurança 
do alimento para as indústrias de laticínio, por 
exemplo. Os técnicos podem interagir com os 
sistemas de precisão para alimentar as suas 
próprias análises, e oferecer serviços sobre o 
uso das tecnologias de precisão e na capaci-
tação dos produtores. Isso pode incluir, por 
exemplo, o monitoramento remoto de parâ-
metros de desempenho, como ganho de peso 
e produção de leite. 
As centrais de melhoramento genéti-
co podem se beneficiar do acesso aos dados 
diários de ordenha individual e outros dados 
armazenados. Os bancos de dados de cada 
sistema de produção poderão ser conectados 
aos bancos de dados da indústria para permi-
tir comparações entre sistemas e desenhar po-
líticas de extensão. 
5. Referências 
bibliográficas
1. STAMER, E.; JUNGE, W.; KRIETER, J. Automation of 
estrus detection in dairy cows: A review. Livest. Prod. Sci., 
v.75, p.219-232, 2002.
2. HOCKEY, C. D.; MORTON, J. M.; NORMAN, S. T.; 
MCGOWAN, M. R. Evaluation of a neck mounted 
2-hourly activity meter system fordetecting cows about 
to ovulate in two paddock- BAR, D., SOLOMON, R. 
Rumination collars: What can they tell us? In: PROC. 
FIRST NORTH AM. CONF. PRECISION DAIRY 
MANAGEMENT. Toronto, Canada, p.214-215, 2010.
3. BUCHEL, S., SUNDRUM, A. Short communication: 
Decrease in rumination time as an indicator of the onset 
of calving, J. Dairy Sci, v.97, p.3120-3127, 2014.
4. BEWLEY, J. Precision dairy farming: Advanced analy-
sis solutions for future profitability. In: PROC. 1ST 
NORTH AM. CONF. PRECIS. DAIRY MANAG. 
Toronto, Canada. Progressive Dairy Operators: Guelph, 
ON, Canada, p.2-5, 2010.
5. BEWLEY, J. M.; RUSSELL, A. Reasons for slow adop-
tion rates of precision dairy farming technologies: evi-
dence from a producer survey. In: PROCEEDINGS OF 
THE FIRST NORTH AMERICAN CONFERENCE 
16 Cadernos Técnicos de Veterinária e Zootecnia, nº 79 - dezembro de 2015
ON PRECISION DAIRY MANAGEMENT. Toronto, 
Canada, p.30-31, 2010.
6. BEWLEY, J. M.; BOEHLJE, M. D.; GRAY, A. W.; 
HOGEVEEN, H.; KENYON, S. J.; EICHER, S. D.; 
RUSSELL, M. A. S. Stochastic simulation using @Risk 
for dairy business investment decisions. Agricultural 
Finance Review, 2010.
7. BORCHERS, M. R.; BEWLEY, J. M. An assessment of 
producer precision dairy farming technology use, pre-
purchase considerations, and usefulness. J. Dairy Sci, v.98, 
p.4198–4205, 2015.
8. CHAPINAL, N.; DE PASSILLE, A. M.; RUSHEN, J.; 
WAGNER, S. Automated methods for detecting lame-
ness and measuring analgesia in dairy cattle. J. Dairy Sci., 
v.93, p.2007-2013, 2010.
9. CHIZZOTTI, M. L.; MACHADO, F. S.; VALENTE, E. 
E. L.; PEREIRA, L. G. R.; CAMPOS, M. M.; TOMICH, 
T. R.; COELHO, S. G.; RIBAS, M. N. Technical note: 
Validation of a system for monitoring individual feeding 
behavior and individual feed intake in dairy cattle, J. Dairy 
Sci, v.98, p.3438-3442, 2015.
10. DE KONING, K. Automatic milking - common prac-
tice on dairy farms. In: PROCEEDINGS OF THE 
FIRST NORTH AMERICAN CONFERENCE ON 
PRECISION DAIRY MANAGEMENT. Toronto, 
Canada, 2010.
11. EASTWOOD, C. R. Applying innovation systems 
thinking to high challenge technologies: Dairy ICT and 
precision dairy as a case study. In: UM13556 - Milestone 
Report 1 for Dairy Australia, Melbourne. Victoria: 
Rural Innovation Research Group, The University of 
Melbourne, 2011.
12. EASTWOOD, C.; JAGO, J. Precision dairy farming in 
New Zealand and Australia: A discussion document for 
trans-Tasman collaboration between Dairy NZ and Dairy 
Australia. In: Report produced for Dairy NZ and Dairy 
Australia, 2012.
13. EASTWOOD, C. R.; CHAPMAN, D. F.; PAINE, M. S. 
Networks of practice for co-construction of agricultural 
decision support systems: Case studies of precision dairy 
farms in Australia. Agric. Syst, v.108, p.10-18, 2012.
14. EL-OSTA, H. S.; MOREHART, M. J. Technology adop-
tion and its impact on production performance of dairy 
operations. Rev. Ag. Econ., v.22, p.477-498, 2000.
15. FIRK, R.; based Australian dairy herds. Reprod. Domest. 
Anim., v.45, p.107-117, 2010.
16. HOGEVEEN, H.; KAMPHUIS, C.; STEENEVELD, W.; 
MOLLENHORST, H. 
17. Sensors and clinical mastitis - The quest for the perfect 
alert. Sensors (Basel Switzerland) v.10, p.7991-8009, 
2010.
18. HOLMAN, A.; THOMPSON, J.; ROUTLY, J. E.; 
CAMERON, J.; JONES, D. N.; GROVE-WHITE, D.; 
SMITH, R. F.; DOBSON, H. Comparison of estrus 
detection methods in dairy cattle. Vet. Rec., v.169, p.47, 
2011.
19. JAGO J.; DAVIS, K. L.; JENSEN, R. Future innovative 
dairy technologies to address constraints of labor, in-
formation collection and decision making on farms. In: 
PROCEEDINGS OF THE AUSTRALASIAN DAIRY 
SCIENCE SYMPOSIUM. Melbourne, p.492-507, 2007.
20. JAGO, J.; EASTWOOD, C.; KERRISK, K.; YULE, I. 
Precision dairy farming in Australasia: adoption, risks 
and opportunities. In: Proceedings of the 5th Australasian 
Dairy Science Symposium, 2012.
21. KAMPHUIS, C.; DELARUE, B.; BURKE, C. R.; JAGO, 
J. Field evaluation of 2 collar-mounted activity meters for 
detecting cows in estrus on a large pasture-grazed dairy 
farm. J. Dairy Sci., v.95, p.3045-3056, 2012.
22. KRUIP, T. A. M.; MORICE, H.; ROBERT, M.; 
OUWELTJES, W. Robotic milking and its effect on ferti-
lity and cell counts. J. Dairy Sci., v.85, p.2576-2581, 2002.
23. MIEKLEY, B.; TRAULSEN, I.; KRIETER, J. Detection 
of mastitis and lameness in dairy cows using wavelet 
analysis. Livest. Sci., v.148, p.227-236, 2012.
24. O’CONNELL, J.; TOGERSEN, F. A.; FRIGGENS, N. 
C.; LOVENDAHL, P.; HOJSGAARD, S. Combining 
cattle activity and progesterone measurements using hid-
den semi-Markov models. J. Agric. Biol. Environ. Stat, v.16, 
p.1-16, 2010.
25. PASTELL, M.; TIUSANEN, J.; HAKOJARVI, M.; 
HANNINEN, L. A wireless accelerometer system 
with wavelet analysis for assessing lameness in cattle. 
Biosystems Eng., v.104, p.545-551, 2009.
26. RUTTEN, C. J.; VELTHUIS, A. G. J.; STEENEVELD, 
W.;HOGEVEEN, H. Invited review: Sensors to support 
health management on dairy farms. J. Dairy Sci., v.96, 
p.1928-1952, 2013.
27. SPERONI, M.; PIRLO, G.; LOLLI, S. Effect of automa-
tic milking systems on milk yield in a hot environment. J. 
Dairy Sci., v.89, p.4687-4693, 2006.
28. STEENEVELD, W.; HOGEVEEN, H. Characterization 
of Dutch dairy farms using sensor systems for cow mana-
gement. J. Dairy Sci., v.98, p.709–717, 2015. 
29. STEENEVELD, W.; VERNOOIJ, J. C. M.; HOGEVEEN, 
H. Effect of sensor systems for cow management on milk 
production, somatic cell count, and reproduction. J. 
Dairy Sci., v.98, p.3896–3905, 2015.
30. VAN DER TOL, R.; VAN DER KAMP, A. Time series 
analysis of live weight as health indicator. In: PROC. 
FIRST NORTH AM. CONF. PRECISION DAIRY 
MANAGEMENT. Toronto, Canada, p.230-231, 2010.
31. WAGNER-STORCH, A. M., PALMER, R. W. Feeding 
behavior, milking behavior, and milk yields of cows mi-
lked in a parlor versus an automatic milking system. J. 
Dairy Sci., v.86, p.1494-1502, 2003.